[49]
RECEPCIÓN: 10/03/2017 ACEPTACIÓN: 24/11/2017
Productividad de patentes y
capacidades de innovación en las
entidades federativas de México
Jorge Inés León BaLderrama*, YazmíndeL CastILLo garCía** Y Juan martín PreCIado rodríguez***
Resumen
En esta investigación se busca identificar los factores que pueden explicar el desempeño desigual de las entidades federativas de México en cuanto a la generación de innovaciones. Para ello se adapta el enfoque de las “capacidades de innovación”, desarrollado por algunos autores europeos y aplicado a contextos subnacionales. Según este enfoque, las capacidades de innovación de los territorios están compuestas básica-mente de: a) la capacidad de creación de conocimiento; b) la capacidad de absorción de tecnologías; c) la capacidad de difusión de tecnologías, y; d) la capacidad de demanda/mercado de las regiones.
Para analizar el impacto de estos factores sobre la productividad de patentes de los estados mexicanos se emplean 17 indicadores, bajo un modelo de regresión múltiple. De acuerdo con los resultados, la capa-cidad regional de absorción de tecnologías —conformada por las
varia-bles de población con posgrado, posgrados PNPC y becas Conacyt— es
el factor que en mayor grado impacta en el desempeño en innovación de las entidades federativas de México.
Palabras claves: patentes, capacidades de innovación, entidades federativas.
Clasificación JEL: 030, 031, 033, 054.
* Investigador del Centro de Investigación en Alimentación y Desarrollo, A. C. (CIAD), Sonora,
México. Correo electrónico: jleon@ciad.mx
** Estudiante egresada de la Maestría en Desarrollo Regional, Centro de Investigación en
Ali-mentación y Desarrollo, A. C. (CIAD), Sonora, México. Correo electrónico: delcastillo.yaz@ gmail.com
*** Investigador del Centro de Investigación en Alimentación y Desarrollo, A. C. (CIAD), Sonora,
Abstract
Patent Productivity and Innovation Capabilities in the States of Mexico
This research seeks to identify the factors that may explain the unequal performance of the states of Mexico in terms of generating innova-tions. To this end, the “innovation capabilities” approach, developed by some European authors and adapted to subnational contexts, is adapted. According to this approach, the innovation capacities of the territories are basically composed of: a) the capacity to create knowledge; b) the capacity to absorb technologies; c) the technology diffusion capacity, and; d) the demand / market capacity of the regions.
To analyze the impact of these factors on the productivity of patents in the Mexican states, 17 indicators are used, in a multiple regression model. The results show that the regional capacity of absorption of technologies —conformed by the variables of population with
postgra-duate, postgraduate in PNPC program and Conacyt scholarships— is the
factor that to a greater extent impacts on the performance of innovation in the states of Mexico.
Keywords: patents, innovation capabilities, federative entities.
JEL Classification: 030, 031, 033, 054.
Introducción
En esta nueva era signada por la globalización y el acelerado cambio tecnológico, la innovación se ha posicionado como un elemento esen-cial para el desarrollo económico y la competitividad de las naciones. Hoy en día, la innovación constituye una ventaja competitiva soste-nible y un medio de hacer frente a los retos actuales. Los tomadores de decisiones, los empresarios, las organizaciones sociales y científicas de los países están cada vez más conscientes de la relevancia de la innovación como elemento favorecedor del crecimiento a largo plazo (Chandra et al., 2012).
Los efectos de la globalización y las transformaciones económicas, políticas y socioculturales han exigido replantear las estrategias para tener resultados en la innovación, no sólo desde un enfoque nacional, sino también desde una perspectiva regional o local. Organismos
Intera-mericano de Desarrollo (BID) han dado énfasis a la importancia de las
regiones dentro del marco de la innovación y cómo la inversión para la innovación regional es un determinante para el desarrollo económico y tecnológico, al ser un impulsor para la recuperación económica y en el
desarrollo de destrezas económicas (OCDE, 2009).
Hoy en día, el futuro de México depende de la capacidad de competir, producir e innovar. En México las entidades federativas mexicanas presentan 42 años de rezago en innovación con respecto a otras regiones de Europa, que captan inversión para la generación de empleos y también financian con recursos públicos y privados el desa-rrollo de ciencia y tecnología (Aregional, 2010).
El uso de datos sobre patentes como indicadores de la innovación y el cambio tecnológico tiene una larga tradición, sin embargo, no es una cuestión exenta de discusión. Grilinches (1990) estudió mediante encuestas las ventajas y desventajas de las estadísticas de patentes con estos propósitos. Las estadísticas de patentes son un indicador de resultado de la innovación, más que de insumo, como es el caso de las inversiones en investigación y desarrollo tecnológico (I+D). Su principal
ventaja es la disponibilidad de las estadísticas sobre patentes por periodos prolongados, aparte de proveer de información tecnológica detallada. La principal desventaja es que el simple conteo de patentamientos no informa sobre la calidad y relevancia de las innovaciones, además las patentes no son aplicadas necesariamente y hay propensiones distintas a patentar entre sectores (Verspagen, 2007). Pero, finalmente, las patentes son reconocidas como una fuente de datos significativa para el estudio de la innovación, y pueden ser una medida confiable para medir la
acti-vidad innovadora tanto de un país, región o sector económico (Buesa et
al., 2010).
En esta investigación se retoma el enfoque de Furmann, Porter y Stern (2002), quienes proponen el empleo de un modelo econométrico que permite cuantificar los “factores determinantes” de la capacidad nacional de innovación (CNI) partiendo del caso de los países de la OCDE. El objetivo principal es determinar cuáles son los factores
impul-sores de la innovación en las entidades federativas y, en consecuencia, cuáles de ellos deben ser tenidos especialmente en cuenta a la hora de diseñar políticas tecnológicas.
existiendo escasas investigaciones al respecto y, por lo tanto, pocos datos contundentes. En los estudios existentes se han considerado factores como el capital humano y la infraestructura tecnológica como determinantes importantes de la generación de patentes, principalmente las generadas por los centros de investigación y universidades (Germán Soto et al., 2009; Germán Soto y Gutiérrez, 2015). Parece obvio que las entidades federativas con mejor infraestructura para el desarrollo tecno-lógico y mayor dotación de capital físico y humano para la producción tienen una mayor concentración de la actividad innovadora. Al analizar el número de patentes solicitadas durante el 2010, por ejemplo, por titu-lares mexicanos y entidad federativa, se observa que el Distrito Federal concentra el mayor número: con 321 patentes, seguido por Nuevo León
con 110, Estado de México con 80 y Jalisco con 701 (FCCyT, 2014).
El objetivo general del presente estudio es identificar en qué medida ciertas capacidades desarrolladas desigualmente en los estados condi-cionan su desempeño en productividad de innovaciones tecnológica, medida por la generación de patentes Para tal propósito se adopta el
enfoque de las capacidades regionales de innovación como fundamento
teórico conceptual, claramente relacionado con el de los sistemas de innovación, adaptándolo al contexto mexicano. Para cumplir con este propósito, el estudio busca definir un modelo con la integración de las variables que determinan o predicen la productividad de las entidades en la generación de innovaciones
En la primera sección se presenta una revisión de estudios previos para conformar los antecedentes conceptuales y empíricos de esta investigación. En la segunda, se expone el marco conceptual propuesto
por Radosevic (2004) y Muller et al. (2006) sobre las capacidades de
innovación, incluyendo las capacidades de creación de conocimiento, absorción, difusión y demanda, pues este enfoque permite analizar y comprender la generación de innovaciones desde un enfoque terri-torial multidimensional. En la tercera sección se describe el método empleado en este estudio. En tanto en la cuarta, se presentan los resul-tados descriptivos, la matriz de correlación, el análisis factorial y se
1 Con el fin de tener una referencia internacional, estas cifras contrastan enormemente y están
finaliza con el análisis de regresión múltiple. Además de describir los resultados, se plantean argumentos de explicación y se discuten los prin-cipales hallazgos. Finalmente, se presentan las prinprin-cipales conclusiones y reflexiones finales sobre las limitaciones del trabajo y las propuestas de futuras líneas de investigación sobre el tema tratado.
1. Estudios previos sobre determinantes de la
generación de innovaciones en regiones y entidades
La localización espacial de las innovaciones ha sido un aspecto impor-tante dentro del estudio de la relación entre el crecimiento económico y los sistemas nacionales de innovación, siendo la concentración terri-torial una de sus principales características. Para Feldman y Audrescht (1999), existen dos líneas principales en la investigación económica aplicada sobre innovación y su localización:
a. La primera considera la dimensión geográfica como uno de los determinantes de la innovación y examina la influencia que la proxi-midad geográfica tiene sobre la transmisión y aprovechamiento de conocimientos tecnológicos;
b. La segunda examina las diferencias en los niveles de crecimiento y productividad de las distintas regiones, con la introducción de la innovación como una variable explicativa e incidiendo en los efectos que la localización comporta sobre los resultados económicos de las diferentes regiones o áreas geográficas.
Estudios previos han abordado la distribución territorial de las inno-vaciones y sus determinantes desde diferentes perspectivas. La mayor parte de estos estudios asumen que la concentración de las actividades de innovación en algunos territorios es una tendencia inherente a los sistemas económicos modernos, y esta concentración llega incluso a ser mayor a la observada en la actividad económica en general.
a las delimitaciones político administrativas subnacionales de los países (provincias o entidades federativas), o bien, a regiones económicas. En todos estos estudios se emplean datos secundarios a nivel macro como indicadores de la producción de innovaciones de las regiones, especí-ficamente los concernientes a patentes solicitadas o concedidas, prove-nientes de organismos gubernamentales encargados de registrarlas. Sin embargo, en el caso de las variables consideradas para explicar las dife-rencias regionales en la productividad de innovaciones las difedife-rencias son notables. Los estudios más antiguos de esta selección se enfocaron casi exclusivamente en factores relacionados con los recursos y capaci-dades para realizar activicapaci-dades de I+D (infraestructura, recursos
finan-cieros, personal dedicado, gasto privado y del gobierno en I+D). Otro
aspecto sobresaliente en los estudios más antiguos es la presencia en las regiones de empresas de alta tecnología (con capacidades mayores de
I+D) como un determinante clave de la capacidad de innovación de las
regiones, y un papel muy importante aducido a la I+D llevada a cabo en
las universidades y centros de investigación ubicados en los territorios.
Cuadro 1
Selección de estudios previos sobre los determinantes de la generación de innovaciones en las regiones/estados
Estudio Unidad de análisis/
muestra Método Variables Resultados
Coronado (1997) Provincias españolas
Regresión lineal múltiple
V. dependiente: patentes. V. independiente: empresas por provincias, gasto en I+D.
La variable empresarial determina la distribución de patentes, concentrándose en Madrid y Barcelona.
García Quevedo (1999)
Provincias
españolas Regresión múltiple
V. dependiente: patentes solicitadas.
V. independiente: gasto en I+D, investigadores de universidades, personal técnico por provincia.
Los gastos en I+D de las empresas son la variable predictiva de los resultados innovadores. Piergiovanni y Santarelli (2001) 21 regiones, empresas manufactureras de Francia Regresión
V. dependiente: patentes. V.independiente: gasto en I+D; gasto de las universidades en la región.
La investigación universitaria es la fuente externa más importante de conocimiento para actividades innovadoras.
Buesa et al.
(2002))
Regiones españolas
Análisis factorial/ Análisis de clúster
V. dependiente: solicitudes de patentes.
Cataluña tiene el mejor desempeño en el registro de patentes.
Fritsch (2002) 11 regiones europeas
Regresión binomial negativa
V. dependiente: patentes. V. independiente: inversión en I+D, empleados en I+D.
Estudio Unidad de análisis/
muestra Método Variables Resultados
Riddel y Schwer (2003)
Los 52 estados de los EEUU
Efectos aleatorios del modelo de mínimos cuadrados generalizados en 2
etapas
V. dependiente: patentes de cada estado.
V. independientes: capacidades de innovación; stock de patentes; empleo no rural, gasto privado en I+D, gasto público en I+D, empleo en alta tecnología, sueldo de trabajadores de alta tecnología, población, grados académicos otorgados por estado.
El stock de conocimiento, El gasto privado en I+D, y empleados de alta tecnología explican la tasa de cambio de la innovación entre los estados durante la década de 1990. El stock de capital humano también influye
Li (2009) 30 provincias administrativas de China Modelo estocástico de frontera de eficiencia
V. dependiente: patentes solicitadas y otorgadas. Modelos de utilidad solicitados otorgados. Factores/insumos: personal dedicado a I+D; PIB per cápita Factores de Eficiencia.
El apoyo del gobierno, características de los ejecutantes de I+D, y el entorno regional-sectorial de innovación, son determinantes de la eficiencia de innovación.
Buesa y Heijs (2010)
146 regiones de 15 países de la Unión
Europea
Análisis factorial Regresión mínimos
cuadrados
V. dependiente: patentes en general, patentes de alta tecnología.
V. independientes: entorno nacional; entorno regional; empresas innovadoras; universidades; I+D pública.
El entorno regional es el que incide más en la obtención de innovaciones.
Germán Soto et al.
(2009)
32 Estados mexicanos
Regresión de Poisson y binomial
negativo
V. dependiente: patentes. V. independiente: inversión extranjera directa y nivel educativo de la población.
Efecto positivo y significativo de la inversión foránea y el nivel educativo sobre la actividad innovadora de los estados.
German Soto y Gutiérrez (2015)
32 Estados mexicanos
Coeficientes estandarizados
V. dependiente: patentes. V. independiente: gasto en educación; promedio de escolaridad; subsidios a universidades públicas; IED; crecimiento sectores de alta tecnología; localización de estas industrias; investigadores SIN.
Concluyen que el capital de conocimiento público y las industrias de alta tecnología deben convertirse en objetivos de alta prioridad para las políticas con el fin de afectar la capacidad de inventiva regional y el crecimiento económico a largo plazo.
Sánchez Tovar et al. (2014) 32 Estados mexicanos Clústers, análisis factorial y Regresión
V. dependiente: PIB. V.independiente: Capacidades regionales de innovación (recursos de innovación, estructura económica, estructura productiva).
Se obtuvo una relación positiva muy baja entre esfuerzo innovador y crecimiento económico, lo cual puede ser resultado de las diferencias tan significativas entre las regiones de México, en cuanto a su comportamiento innovador.
Fuente: elaboración propia.
Hacia 2003 se presenta un giro importante en estos estudios, porque el foco exclusivo en la I+D y sus insumos resulta insuficiente para
comprender las divergencias regionales en crecimiento económico y desarrollo tecnológico. Para entender estas diferencias, los estudios empiezan a fundamentar sus análisis en esquemas conceptuales más multidimensionales, es decir, capturan varias dimensiones también relevantes que determinan la capacidad de innovación de las regiones.
A partir de entonces se empieza hablar de capacidades distintas a la
capacidad regional de I+D, fenómeno impulsado por varios procesos:
a) Primero, el reconocimiento de la insuficiencia de los enfoques basados en la nueva teoría del crecimiento y en los “stocks de infraestructura de I+D”;
b) Segundo, la influencia de los reportes de la Commission of European
Communities (2001, 2002) con la publicación de los Innovation
Scoreboards (compendios de indicadores más diversos sobre las
capacidades de innovación de las regiones europeas), por un lado, y una publicación muy influyente realizada por Furman, Porter y Stern (2002) sobre las capacidades nacionales de innovación, por otro; y c) Tercero, la creciente disponibilidad de datos ha vuelto cada vez más
popular el uso de indicadores compuestos o multinivel.
Los métodos de tratamiento de los datos se han venido haciendo cada vez más sofisticados. De los análisis simples de correlación o de regre-sión simple, se ha pasado a los análisis multivariante más complejos o la combinación de varios métodos de análisis estadístico, la cons-trucción de índices compuestos y los análisis de eficiencia basados en nuevos métodos.
En el caso de los estudios sobre las regiones de México, también se pueden constatar las tendencias de análisis descritas anteriormente,
pues en el estudio de Sánchez Tovar et al. (2014) es posible apreciar
una inflexión hacia la incorporación de nuevas dimensiones cuando se aborda el estudio de las capacidades de innovación, que se comprueba en la inclusión de factores como la estructura económica y productiva.
Siguiendo la línea de investigación representada por este conjunto de estudios con el objetivo de identificar los factores determinantes en la dinámica regional desigual de la generación de innovaciones, en
este trabajo se adopta el enfoque de las Capacidades Regionales de
Innovación (CRI), concepto derivado del originalmente desarrollado
2. El enfoque de las capacidades regionales de
innovación (
CRI)
El estudio de las “capacidades de innovación” en gran medida se ha basado en el conjunto de aportaciones derivadas del enfoque de los sistemas nacionales de innovación realizados por Lundvall (1992), Nelson y Winter (1982), y Edquist (1997).
La ciencia y tecnología, según la literatura reciente, se encuentran fuertemente vinculadas a las capacidades de innovación; está línea de investigación es particularmente importante cuando se revisan las expe-riencias recientes de economías, países, o regiones de los países en vías de desarrollo. Según este enfoque, los países o regiones que invierten en sus capacidades de innovación tienen una ventaja acumulativa y competitiva sobres sus rivales, además enfatiza que el conocimiento tecnológico no se distribuye de manera homogénea, porque depende de sus esfuerzos previos y el desarrollo de capacidades (Lall, 1992).
El concepto capacidad de innovación tiene como característica ser
multidimensional, autores como Furman et al. (2002), Porter (1999),
Radosevic (2004), Muller et al. (2006), Castellaci y Natera (2012) han
abordado desde diferentes enfoques. A pesar de ser considerado como un concepto altamente estilizado, nos provee de una primera definición clave para estudiar la evolución de los Sistemas Regionales de Innova-ción (Castelllaci y Natera, 2012).
La capacidad de innovación representa los esfuerzos y las inver-siones totales llevadas a cabo por los países (o regiones) para la reali-zación de actividades de I+D y de innovación. Es una expresión del
resultado de las actividades de investigación e innovación. Esta es la producción total de las actividades tecnológicas e innovadoras.
El desarrollo socioeconómico nacional y regional es impulsado por
la capacidad de innovación (Furman et al., 2002). En esta propuesta,
la capacidad de innovación no debe reducirse a la inversión en I+D y
las actividades relacionadas, sino mediante la comprensión de (i) capa-cidad de absorción, (ii) capacapa-cidad de difusión de nuevo conocimiento, (iii) demanda para su generación y utilización. Es decir, las actividades
I+D constituyen el núcleo de los procesos de innovación y el
Furman et al. (2002) definen la capacidad de innovación como la capacidad de un país para producir y comercializar un flujo de
tecno-logía innovadora a largo plazo. De igual manera Porter et al. (2002)
señalan que la capacidad de innovación es el resultado de diferentes factores, como la mano de obra calificada y la calidad física de la infraestructura.
El crecimiento y la capacidad de innovación de una economía dependen no solamente de la I+D, sino también de su capacidad de
absorber y difundir la tecnología, así como de la demanda para su generación y explotación. Las capacidades de innovación como marco conceptual son el resultado de diferentes estudios de innovación y competitividad, pues permiten la comprensión de las actividades inno-vadoras de una región.
Para Radosevic (2004), entender la capacidad de innovación es ir más allá de I+D, por eso propone una clasificación de indicadores
basándose en el enfoque de sistema nacional de innovación. Radosevic (2004) toma como guía el modelo conceptual de la Capacidad Nacional de Innovación (CNI) de Furman et al. (2002), donde se explica la
rela-ción entre los diferentes elementos del marco de capacidad de inno-vación. En la figura 1 se observan las dimensiones del modelo y estos indicadores se agrupan en: a) suministro de I+D, b) capacidad de
absor-ción, d) capacidad de difusión; y, d) demanda.
Figura 1
Dimensiones de la capacidad nacional de innovación propuestas por Radosevic
Fuente: Radosevic (2004).
impul-sadas por dos dimensiones: la capacidad de innovación y la capacidad de absorción (figura 2). Para ellos, las capacidades de innovación y de absorción están vinculadas por un conjunto de relaciones dinámicas y su proceso de co-evolución representa un mecanismo clave para el crecimiento del sistema nacional de investigación a largo plazo.
Figura 2
La co-evolución de las capacidades de innovación y absorción (CIA)
Fuente: Castellaci y Natera (2012).
Para Castellaci y Natera (2012), la capacidad de innovación se cons-tituye por tres elementos: i) entradas innovadoras (total de gastos en
I+D como porcentaje del PIB); ii) la producción científica (número
de artículos de revistas científicas) y; iii) la producción tecnológica (número de patentes registradas). En cuanto a la capacidad de absor-ción se compone por el comercio internacional, el capital humano, la infraestructura, la calidad de las instituciones y la cohesión social. La capacidad de innovación y la capacidad de absorción están directa-mente vinculadas al crecimiento del PIB per cápita, por lo que el nivel
continua-ción de los trabajos realizados por Nelson y Winter (1974), y Lund-vall (1988). A su vez el análisis desarrollado en Europa por Radosevic (2004) y el desarrollo de las regiones dentro de la Unión Europea se permite realizar un marco multidimensional para estudiar la innovación mediante cinco dimensiones. Sin embargo, a diferencia de Radosevich, el modelo propuesto por Muller y colaboradores incorpora la capacidad de gobernanza, la cual consideran necesaria para coordinar las cuatro dimensiones en diferentes niveles (figura 3).
Figura 3
El enfoque de la capacidad nacional de innovación (CNI) de Muller
Fuente: Muller et al. (2006).
Retomando a Radosevich (2004), a continuación se definen somera-mente las distintas dimensiones de la capacidad de innovación regional.
1) La capacidad de creación de conocimiento es importante no sólo para generar nuevo conocimiento, sino también como un meca-nismo para absorberlo (Cohen y Levinthal, 1990). Este es un elemento crucial de la capacidad de innovación, el cual puede ser descrito con
indicadores como gastos en I+D y capital humano, la concentración de
inventores de patentes, así como las publicaciones en el campo de la biociencia y nanotecnología. La capacidad en I+D es importante, ya
que, además de generar conocimiento, también es un mecanismo para absorber este conocimiento.
como las características tecnoeconómicas (dotación de recursos, oferta de factores, capacidades tecnológicas, escalas del mercado y demandas de los consumidores), así como las condiciones socio-institucionales (nivel de educación, competencias técnicas de las instituciones), que influyen en la capacidad de adquirir, asimilar, transformar y explotar el conocimiento para fortalecer la competitividad de una región o país.
3) La capacidad de difusión del conocimiento de una región son los recursos, capacidades y competencias de una región para poner en marcha procesos de difusión del conocimiento. De acuerdo con Lan y colaboradores, la difusión del conocimiento es el “proceso en que el conocimiento se difunde desde su origen hacia el exterior o de sus productores a sus usuarios, por el mercado u otros canales de distri-bución. La difusión del conocimiento es un proceso de aprendizaje y la diseminación social y espacial del conocimiento en un espacio más
amplio” (Lan et al., 2009: 1). Esta capacidad está íntimamente
rela-cionada con las TICs, herramientas para actividades relacionadas a la
ciencia, tecnología e innovación (CTI), ya que permiten a los
cientí-ficos y tecnólogos estar en contacto y trabajar con diferentes personas ubicadas en distintas partes del mundo, lo cual incrementa su produc-tividad y permite la generación de nuevos conocimientos y tecnologías (Ruiz Durán, 2008).
4) Capacidad de demanda/mercado. La concretización de la innovación implica la comercialización de los productos y servicios generados por la investigación y el desarrollo. Es decir, parte del éxito de las innovaciones reside en tener un mercado adecuado en términos de la demanda de los productos y servicios generados. Además, conside-rando las dificultades de la distancia geográfica ligadas a costos de transacciones, costos de transporte o la disponibilidad de canales de distribución adecuados, el mercado regional generará grandes opor-tunidades para la mayoría de las empresas involucradas en el sistema regional de innovación. Esta dimensión busca reflejar la potencialidad de la demanda existente para las innovaciones generadas en la región, a través de los indicadores de producto interno bruto, densidad
pobla-cional e ingreso bruto per cápita (Miles et al., 2009; Valdez-Lafarga
Figura 4
Capacidad Regional de Innovación
Fuente: elaboración propia con base en Muller (2006).
Finalmente, el modelo para este trabajo queda definido en la figura 4, en el cual la capacidad regional de innovación se fundamenta en 4 tipos o dimensiones de capacidades. La capacidad de gobernanza no se consi-dera en este estudio debido a la dificultad de su medición.
3. Información y método de análisis
3.1. Indicadores e información utilizada
a) Las patentes como indicador del nivel de innovación en las entidades. Estudios como Pavitt (1985), Griliches, (1990), Acs y Audretsch (2002) han resaltado la utilidad de las patentes como indicador del “esfuerzo” tecnológico y del grado de desarrollo tecnológico de una determinada región, ello permite en este estudio utilizar como variable dependiente la solicitud de patentes.
Estas son algunas ventajas que las patentes tienen en comparación con las inversiones en I+D:
• las estadísticas de patentes permiten medir la capacidad inventiva de países, regiones, empresas o inventores individuales, pues reflejan los resultados de la actividad inventiva (OCDE, 2009);
• contienen información relevante sobre el proceso de innovación, como el campo tecnológico, la localización geográfica de los inven-tores y titulares, los tipos de inveninven-tores en términos del campo de especialización (Hall, Jaffe y Trajtenberg, 2001);
• cubren un amplio abanico de tecnologías, en ocasiones no disponi-bles en otras fuentes de datos (OCDE, 2009);
el Instituto Mexicano de la Propiedad Intelectual (IMPI) publicados
en el Sistema de Información de la Gaceta de la Propiedad Industrial (SIGA).
Sin embargo, las patentes presentan varias limitaciones a considerar en el momento de interpretar los resultados, particularmente en los casos en que la región presenta una considerable diversidad sectorial. Primero las patentes no son el único mecanismo de protección existente (secreto industrial), por eso no todas las invenciones se patentan, asimismo existen restricciones sobre el tipo de invenciones que pueden ser paten-tadas. Las patentes difieren en su trascendencia técnica y económica, muchas de ellas reflejan pocas mejoras o poco valor económico (Grili-ches, 1990), además se deben considerar las diferentes tendencias de los países y las empresas para patentar (OCDE, 2011).
Las desventajas en el uso de las estadísticas de patentes pueden contrarrestarse mediante otras metodologías para superar las limita-ciones de los datos. Autores como Ács y Audretsch (1989) muestran que los análisis de regresión basados en patentes ofrecen resultados muy comparables con aquellos basados en medidas más directas para medir la innovación, ello permite considerar la tasa de crecimiento de
las patentes como un proxy efectivo para los cambios de la actividad
innovadora local.
b) Indicadores para la medición de las dimensiones de la CRI.
El análisis se basa en una serie de 17 indicadores correspondientes a los 32 estados de México, obtenidos de fuentes oficiales en publicaciones regulares. Esta información fue clasificada en 4 categorías
correspon-dientes a las 4 dimensiones de la CRI. Como ya se ha anotado, en este
estudio se toma como principal referencia conceptual el enfoque de capacidades de innovación propuesto por Radosevich (2004) y adap-tado al nivel regional por Muller et al. (2006), por ello se sigue la forma en que estos autores han “operacionalizado” las capacidades de innova-ción de los territorios para proponer una serie de indicadores destinados a medir las diferentes dimensiones de este constructo.
En lo concerniente a la capacidad de creación de conocimiento, para evaluar y medir la capacidad representada por los recursos humanos, estos autores recurren a datos de personal ocupado en actividades de
seleccionado el número de investigadores SNI como alternativa a este
indicador específico. De igual forma, ante la imposibilidad de disponer de estadísticas por estado del gasto público y privado en I+D, se elige la
proporción de los presupuestos locales destinados a estas actividades y
el número de centros de investigación como un proxy de los recursos y
capacidades para la creación de conocimiento. Asimismo, se retoman los datos de publicaciones como un indicador adecuado para estos fines (cuadro 2).
Cuadro 2
Definición de los indicadores por dimensión de la capacidad regional de innovación
Dimensión Indicadores Definición y fuente
Capacidad de creación de conocimiento
Investigadores del SNI Investigadores SNI por cada 10,000 de la PEA (Conacyt, 2011; INEGI, 2010; FCCyT, 2010). Presupuesto local de CTI Presupuesto para CTI como % del presupuesto
total del estado (FCCyT, 2010). Centros de investigación Participación en % en el total nacional de
centros de investigación del país (FCCyT, 2010). Publicaciones científicas Producción científica por cada 10,000
habitantes de la entidad (FCCyT, 2010).
Capacidad de absorción del conocimiento
Población con posgrado Población con estudios de posgrado por cada 1,000 de la PEA (Conacyt, 2011).
Becas Conacyt Becas nacionales vigentes Conacyt por cada 1,000 estudiantes de posgrado (FCCyT, 2010). Posgrados PNPC Participación % en el total de posgrados PNPC
del país (FCCyT, 2010). Gasto en educación per
cápita
Gasto en educación per cápita en millones de pesos (transformado con log 10) (CIEP, 2010).
Capacidad de difusión del conocimiento
Acceso a internet % de viviendas con internet por cada 100 habitantes (FCCyT, 2010).
Acceso a computadoras % de viviendas con computadoras por cada 100 habitantes (FCCyT, 2010).
Líneas telefónicas y móviles Líneas telefónicas y móviles por cada 100 habitantes (IMCO, 2010).
Acceso a telefonía fija % de viviendas con teléfono fijo (FCCyT, 2010). Empresas con ISO 9000 Empresas con ISO 9000 por cada millón de la
PEA (IMCO, 2012).
Capacidad de demanda
PIB per cápita estatal PIB pc estatal (dólares corrientes) (FCCyT, 2010).
Población ocupada de 14 años y más
Participación % de la población de 14 años y más (FCCyT, 2010).
Escolaridad Grado promedio de escolaridad (FCCyT, 2010). Densidad de población Densidad poblacional por km2 (transformado
con logaritmo 10) (INEGI, 2010).
Para el caso de la capacidad de absorción, los autores mencionados utilizan datos que reflejen la calidad y competencias de la población
para realizar actividades de I+D. La población con posgrado, el número
de becarios y el número de posgrados considerados de alta calidad son los indicadores elegidos para este propósito en el caso de nuestro estudio. El gasto educativo per cápita es otro indicador de esta capa-cidad particular.
Los indicadores de dotación de infraestructura de las comunica-ciones por estado, el grado de difusión de las TICs en los hogares, la
penetración de nuevas formas de gestión en las empresas, son el tipo de datos incluidos para estimar las diferencias de capacidad de difu-sión de las nuevas tecnologías en las entidades, todo ello también en concordancia con lo planteado por los autores citados en esta sección. Por último, se seleccionaron datos que permitieran estimar las diferen-cias por estado en cuanto a cantidad y calidad de los consumidores y usuarios de las nuevas tecnologías, es decir, del mercado o demanda de las nuevas tecnologías.
3.2. Procedimientos estadísticos
El análisis estadístico se realizó en varias etapas: a) Depuración y estandarización de los datos
Como puede apreciarse en el cuadro 2, los datos utilizados son de natu-raleza diversa. La mayor parte son tasas o coeficientes, pero algunos de ellos son datos logarítmicos, simples promedios o datos absolutos, como en el caso del PIB per cápita por estado. Por lo anterior, fue
nece-sario realizar una tipificación o estandarización de la base de datos, esta transformación de variables se realizó con el fin de facilitar la compa-ración entre variables con unidades distintas, así como para permitir la obtención de valores ponderados cuando se agregan dos o más varia-bles en un solo factor.
b) Estadísticas descriptivas
c) Análisis factorial
En la segunda etapa se procedió a realizar un análisis factorial explo-ratorio para identificar los componentes principales asociados a cada capacidad de innovación mediante el análisis de estos componentes y así reducir las variables en ellos; y, a su vez, poder llevar a cabo, poste-riormente, la selección de los factores predictores de la tasa de produc-tividad de patentes en las entidades, sobre la base de un menor número de variables.
d) Elección del modelo: el método stepwise o paso a paso
Para la elaboración del modelo explicativo del nivel de producción de innovaciones de las entidades en función de las capacidades de inno-vación, se procedió elaborar un modelo de regresión lineal múltiple mediante el método de pasos sucesivos, éste permite la selección de variables una a una, para llegar a un modelo que garantice un nivel de “bondad” de ajuste más alto. Finalmente, se realizó un análisis de normalidad de los residuales con el fin de probar el modelo resultante.
4. Resultados
4.1. Estadística descriptiva y correlación
Las estimaciones del nivel de generación de innovaciones en las enti-dades medido por el número de patentes solicitadas por cada millón de habitantes muestran una notable disparidad o divergencia. La distribu-ción geográfica de esta variable se encuentra marcadamente concen-trada en unas pocas entidades, sólo 10 de las entidades se encuentran por encima de la media nacional (5.2 patentes por millón), siendo las entidades más destacadas el D.F. (26.3), Nuevo León (18.9), Morelos (17.3), Querétaro (14.0), Jalisco (9.3), Guanajuato (7.9), Coahuila (7.6), Chihuahua (7.3), Sonora (6.8) y Yucatán (6.2). Por el contrario, 22 dades se encuentran por debajo de la media nacional, siendo las enti-dades en mayor desventaja Zacatecas (0.0), Nayarit (0.1), Chiapas (0.2), Oaxaca (0.3), Guerrero (0.3),Veracruz (0.8), Sinaloa (0.8) y Tabasco (0.98), con menos de una patente por cada millón de habitantes.
De igual forma, en el cuadro 3 se puede observar la enorme dispa-ridad existente en el país en relación con las capacidades de innovación. En este cuadro se pueden apreciar las marcadas diferencias entre los
básicas definidas y que evaluaremos para estimar su peso como deter-minantes de la producción estatal de innovaciones.
Cuadro 3
Estadísticas descriptivas de las capacidades de innovación de las entidades federativas
Dimensión/Indicador Media Desv. Est. Mínimo Máximo
Capacidad de creación de conocimiento
Investigadores del SNI 3.047 3.186 0.400 15.800
Presupuesto local de CTI 0.538 1.592 0.000 6.350
Centros de investigación 3.123 5.053 0.000 29.630
Publicaciones científicas 11.912 18.917 0.500 90.900
Capacidad de absorción del conocimiento
Población con posgrado 15.025 7.938 3.540 41.03
Becas Conacyt 85.420 92.235 0.000 321.46
Posgrados PNPC 3.033 4.885 0.150 27.17
Gasto en educación per cápita -2.350 0.094 -2.515 -2.105
Capacidad de difusión del conocimiento
Acceso a internet 66.975 71.274 7.180 288.100
Acceso a computadoras 24.977 10.254 8.300 49.090
Acceso a telefonía fija 31.587 15.861 7.900 71.890
Líneas telefónicas y móviles 88.655 30.420 47.260 164.120
Empresas con ISO 9000 154.789 100.739 36.335 433.650
Capacidad de demanda tecnológica
PIB per cápita 8,588.540 8,981.290 3.450 54,201.000
Nivel de escolaridad 9.060 .948 7.000 11.000
Población ocupada ≥14 55.570 3.929 48.010 69.040
Densidad poblacional 1.845 0.576 0.954 3.772
Fuente: elaboración propia.
Los coeficientes de correlación obtenidos (cuadro 4) muestran una asociación positiva y significativa entre el nivel de generación de patentes de las entidades federativas y las capacidades regionales de innovación. En el caso de los indicadores de la capacidad de creación de conocimiento, la correlación es alta y muy significativa con inves-tigadores SNI, centros de investigación y publicaciones, pero resulta
no significativa para la variable Presupuesto local para CTI. Por otra
la capacidad de difusión de las nuevas tecnologías y las innovaciones. En contraste, el grado de correlación entre patentes y los indicadores de la capacidad de demanda es bajo y no significativo, con excepción de la variable densidad de población.
4.2. Análisis factorial: análisis de componentes
principales (acp)
En esta sección se presentan los resultados del análisis factorial, una técnica estadística de síntesis de la información, o reducción de la dimensión a un menor número de variables, aplicado en este estudio a los 17 indicadores seleccionados originalmente para la medición de las capacidades de creación, absorción, difusión y demanda del conocimiento.
En el cuadro 5, la columna 2 y 3 muestran el peso factorial de los indicadores y la forma en que las dimensiones se agrupan en 2 compo-nentes principales (componente 1 y componente 2); la quinta columna indica el porcentaje de la varianza explicado por los componentes
prin-cipales. El estadístico KMO, en la cuarta columna, es la medida de la
adecuación muestral de Kaiser-Meyer-Olkin y contrasta si las corre-laciones parciales entre las variables son suficientemente pequeñas. El
estadístico KMO varía entre 0 y 1. Los valores pequeños indican que el
Cuadr
o 4
Correl
ación entre l
o s indicadore s sele ccionados 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 1. In ves tig ador
es del SNI
/
2. Gas
to en I+D
-.135
/
3. Cen
tr
os de in
ves tig ación .785** .050 / 4. Public aciones cien tífic as .984** -.108 .802** / 5. P oblación c on posgr ado .756** -.185 .674** .723** / 6. Bec as Conacy t .630** -.221 .400* .577** .632** / 7. P osgr ados PNPC .698** -.002 .894** .714** .620** .399* / 8. Gas
to en educ
ación per c
ápit a -.173 -.024 -.316 -.148 -.160 -.071 -.494** /
9. Acceso a in
terne t -.247 .441* -.120 -.226 -.425* -.534** -.025 -.031 /
10. Acceso a c
omput ador as .637** -.244 .475** .626** .859** .614** .505** .024 -.356* /
11. Acceso a t
ele fonía fija .677** -.228 .513** .648** .875** .728** .581** -.242 -.488** .876** /
12. Líneas t
ele
fónic
as y mó
viles .616** .019 .410* .623** .638** .314 .343 .064 .051 .702** .509** / 13. Empr esas c
on ISO 9000
.385* .005 .402* .352* .491** .036 .425* -.083 .301 .383* .247 .485** /
14. PIB per c
ápit a .138 -.076 .192 .119 .373* -.082 .102 .291 -.061 .258 .123 .221 .609** / 15. Niv
el de esc
olaridad .223 .160 .310 .236 .075 -.277 .324 -.054 .550** .197 -.011 .419* .534** .182 / 16. P
oblación ocupada ≥14
.145 -.049 .072 .147 .115 .112 .146 -.019 .017 .266 .158 .242 .087 .135 .067 /
17. Densidad poblacional
.525** .038 .609** .504** .343 .227 .674** -.685** -.103 .167 .365* .072 .271 -.142 .180 .021 / 18. P at en tes solicit adas .744** -.122 .696** .717** .719** .309 .733** -.421* .094 .566** .613** .556** .659** .230 .373* .089 .514** / Fuen te: elabor ación pr opia. Not as:
* La c
orr
elación es signific
an
te al niv
el 0,05 (bila
ter
al).
** La c
orr
elación es signific
ativ
a al niv
el 0,01 (bila
ter
Cuadro 5
Análisis factorial de los indicadores de capacidad regional de innovación
Capacidad/indicador Peso factorial
Comp.1 Comp. 2 KMO
% de la varianza explicada
χ2 gl Sig.
Capacidad de creación de conocimiento
0.683 93.5 131.2 6 0.000
Investigadores del SNI 0.975
Presupuesto local de CTI 0.990
Centros de investigación 0.896
Publicaciones científicas 0.979
Capacidad de absorción del conocimiento
0.595 82.7 38.2 6 0.000
Población con posgrado 0.859
Becas Conacyt 0.735
Posgrados PNPC 0.855
Gasto en educación per
cápita 0.809
Capacidad de difusión del conocimiento
0.645 83.8 90.3 10 0.000
Acceso a internet 0.864
Acceso a computadoras 0.962
Acceso a telefonía fija 0.893
Líneas telefónicas y móviles 0.790
Empresas con ISO 9000 0.703
Capacidad de demanda tecnológica
0.488 60.5 3.5 6 0.745
PIB per cápita 0.672
Nivel de escolaridad 0.708
Población ocupada ≥14 0.534
Densidad poblacional 0.868
Fuente: elaboración propia.
Estos resultados reducen los 17 indicadores originales a 8 variables o factores
• Capacidad de creación del conocimiento 1; se conforma con los
indicadores de investigadores SNI, centros de investigación y
publi-caciones científicas;
• Capacidad de creación del conocimiento 2; consiste únicamente del
indicador presupuesto local en CTI;
• Capacidad de absorción 1; se integra con los indicadores población
con posgrado, becas Conacyt y posgrados de calidad;
• Capacidad de absorción 2; integrado sólo por gasto público per
• Capacidad de difusión del conocimiento 1; factor compuesto por los indicadores: viviendas con computadora, viviendas con teléfono fijo y teléfonos móviles:
• Capacidad de difusión del conocimiento 2; compuesto por los
indi-cadores: acceso a internet y empresas con ISO 9000;
• Capacidad de demanda tecnológica 1; integrado por PIB per cápita,
nivel de escolaridad y población ocupada ≥14 años;
• Capacidad de demanda tecnológica 2; contempla únicamente la
densidad de población.
Con estos nuevos factores o componentes se procede en el siguiente apartado a llevar a cabo el análisis de regresión con el fin de estimar el coeficiente de determinación de cada uno de estos factores sobre el nivel
de producción de innovaciones (Patents) en las entidades federativas.
4.3. Análisis de regresión
Con los resultados obtenidos del análisis factorial se llevó a cabo un análisis de regresión múltiple, con el fin de identificar los factores predictivos de la productividad de patentes en las entidades federa-tivas de México. Este modelo es de naturaleza predictiva/ explicativa y,
como se ha señalado, se obtiene mediante el método de regresión por
pasos sucesivos.2
Los criterios de inclusión y salida de factores en este procedimiento son los siguientes:
a) De inclusión, la probabilidad de F es <= 0.050; b) De salida, la probabilidad de F es >= 0.100.
El cuadro 6 exhibe los resultados con respecto a los modelos de regresión obtenidos y sus coeficientes. Se han obtenido 4 modelos con
2 En el análisis de regresión lineal múltiple, la construcción del modelo se realiza seleccionando
diferencias notables en cuanto a los factores predictivos incorporados. De acuerdo con los criterios establecidos, el modelo 1 incluye sólo uno de los 8 factores analizados, quedando excluidas las otras 7. El paso 2 permitió obtener el modelo 2 de regresión, en él se incluyen 2 y se excluyen 6 factores predictivos. En el paso 3, en cambio, el modelo incluye 3 factores y excluye 6; finalmente, el modelo 4 incluye 2 factores y excluye 6.
La bondad de ajuste de los datos al modelo de regresión lineal múltiple (R, R2, R2 ajustada y error estándar), cuyos resultados son
presentados en el cuadro 7, fue el criterio para seleccionar el modelo definitivo. De esta forma, el modelo que mejor cumple con los criterios de bondad de ajuste es el modelo 3.
Cuadro 6
Modelos de regresión de la productividad de innovaciones en los estados mexicanos: coeficientes de regresión (b)a
Modelo Variables β no estand. ε estándar β estand. t sig.
1 Constante -6.02E-17 0.117 0.000 1.000
Cap. Creación de Conoc. 1 0.758 0.119 0.758 6.365 0.000
2
Constante -6.20E-17 0.103 0.000 1.000
Cap. Creación de Conoc. 1 0.748 0.105 0.748 7.134 0.000
Cap. de Difusión del Conoc. 2 0.327 0.105 0.327 3.124 0.004
3
Constante -9.57E-17 0.088 0.000 1.000
Cap. Creación de Conoc. 1 0.279 0.165 0.279 1.693 0.102
Cap. de Difusión del Conoc. 2 0.408 0.093 0.408 4.392 0.000
Cap. de Absorción 1 0.563 0.166 0.563 3.391 0.002
4
Constante -1.11E-16 0.091 0.000 1.000
Cap. de Difusión del Conoc.2 0.444 0.093 0.444 4.765 0.000
Cap. de Absorción 1 0.798 0.093 0.798 8.558 0.000
Fuente: elaboración propia.
Nota: a Variable dependiente: patentes solicitadas por millón de habitantes; Método: regresión por pasos sucesivos.
Cuadro 7
Coeficiente de determinación de los modelos de regresión por pasos
Modelo R R2 R2ajustada ε
1 0.758 0.575 0.560 0.663
2 0.826 0.682 0.660 0.583
3 0.880 0.774 0.750 0.499
4 0.867 0.751 0.734 0.516
Fuente: elaboración propia.
la productividad de patentes en los estados mexicanos, mediante un modelo de regresión lineal múltiple. De acuerdo con este modelo, los factores o variables para predecir la productividad de patentes son: la
capacidad de creación del conocimiento 1 (investigadores SNI, centros
de investigación y publicaciones científicas); la capacidad de difusión
del conocimiento 2 (acceso a internet y empresas con ISO 9000); y, la
capacidad de absorción del conocimiento 1 (población con posgrado, becas Conacyt y posgrados de calidad). Sin embargo, el nivel de signifi-cancia del predictor Capacidad de Creación del Conocimiento de 0.102 podemos observarlo en la última columna del cuadro 6 e indica insufi-ciente evidencia para concluir que este predictor está relacionado con la productividad de innovaciones medido por las patentes.
4.4. Análisis de residuales
Para la evaluación del modelo resultante, se procedió a la prueba de normalidad de los residuales de Shapiro Wilk. El gráfico 1 muestra los resultados de esta prueba y exhibe cómo se distribuyen los residuos en relación con la distribución normal. Se obtuvo una W = 0.98654, y un valor p = 0.9518, dado que el valor de p es mayor a 0.05 los datos se distribuyen normalmente.
Gráfico 1
Prueba de normalidad de los residuales. Modelo 3
Gráfico 2
Distribución de residuales
Fuente: elaboración propia.
4.5. Discusión de los resultados
El método de selección de variables stepwise o por pasos ha permitido
evaluar la relación entre las variables que conforman la capacidad de
innovación y las patentes solicitadas por entidad federativa. El
proce-dimiento seguido garantiza la inexistencia de un problema de multi-colinealidad, pues el método por pasos excluye de manera automática las variables con un alto nivel de correlación. El modelo revela que la capacidad de creación de conocimiento 1, la capacidad de difusión 2 y la capacidad de absorción 1, son los predictores significativos de la tasa de patentamiento en las entidades. El factor con el mayor nivel de poder explicativo es el componente de capacidad de absorción 1 (β= 0.563), seguida por la capacidad de difusión 2 (β= 0.408) y el componente de creación de conocimiento (β= 0.279).
La capacidad de absorción del conocimiento fundamentada en la población con posgrado, la existencia de posgrado de calidad y el número de becarios de posgrado, es el predictor más sólido de la productividad de patentes en los estados mexicanos: el capital humano representado por la población con altos niveles de educación predice la tasa de innovatividad de las entidades. El segundo factor predictivo es la capacidad de difusión 2, medido por la tasa de acceso a internet y la tasa de empresas ISO 9000. La primera variable muestra el efecto de las
activi-dades relacionadas a la CTI, ya que permite a los científicos y tecnólogos
estar en contacto y trabajar con diferentes personas en diversas partes del mundo, lo cual incrementa su productividad y permite la genera-ción de nuevos conocimientos y tecnologías (Ruiz Durán, 2008). A su
vez las empresas ISO 9000 demuestra la importancia de los sistemas
de control de calidad para las organizaciones. La variable “empresas
ISO 9000” permite conocer la difusión de las nuevas herramientas de
gestión empresarial y las nuevas tecnologías de la producción en la economía regional.
El tercer predictor de la tasa de productividad de patentes en las entidades es el factor “capacidad de creación de conocimiento 1”. El
modelo muestra que, a mayor número de investigadores SNI, es mayor
la solicitud de patentes: los investigadores del Sistema Nacional de Investigadores son parte clave de la innovación. Esto se debe al recono-cimiento de los investigadores de alto nivel, la membresía al SNI
simbo-liza calidad e impacto de las contribuciones científicas reasimbo-lizadas por el investigador (Carayol, 2004). El número de investigadores nacionales es aún reducido, ya que apenas se cuenta con alrededor de 20, 000 investi-gadores, pero, si se suman investigadores en instituciones de educación superior no reconocidos por el sistema y aquellas en empresas públicas y privadas, podrían ser alrededor de 48,000. México se encuentra en desventaja con algunos de sus principales competidores, como Corea con 199,990; China con 1, 222,756; Taiwán con 95,176; y, Estados Unidos con 133, 397 (Ruiz Durán, 2008). La base de investigadores se ha concentrado en el Distrito Federal, pero poco a poco el número de investigadores en las demás entidades federativas se ha elevado. Indu-dablemente, la calidad y capacidad de los investigadores favorece la generación de nuevas ideas y, por consiguiente, debería repercutir en el número de patentes de una región.
La capacidad de demanda tecnológica resultó no significativa como predictor de la producción de patentes en los estados, resultado que
coincide con Buesa et al. (2010), para quienes las variables de
sistema financiero, el grado de competencia y el grado de estabilidad macroeconómica que tiene cada entidad federativa.
Los resultados en cuanto al apoyo (presupuesto) local para las acti-vidades de CTI son contrastantes con los de otros estudios en esta misma
línea de investigación, como el desarrollado para el caso de China por Li (2009), quien encuentra el apoyo del gobierno local relacionado positivamente con la generación y la productividad de las innovaciones regionales. Ese autor incorpora la proporción de los ingresos finan-cieros regionales gastados en actividades locales de Ciencia y Tecno-logía (%), una medida del apoyo gubernamental local a las actividades de innovación, como un indicador de la eficiencia de las actividades de innovación locales.
Conclusiones
En esta investigación se tuvo como objetivo identificar los factores que pueden explicar o predecir la productividad de las entidades federativas en la generación de innovaciones, medidas por las patentes. La primera conclusión desprendida de este trabajo es que, mediante este análisis empírico, se ha podido comprobar que el marco conceptual de capa-cidades de innovación tiene un “poder explicativo” importante para conocer cuáles son las fuerzas o factores detrás del desempeño desigual en las entidades federativas de México en cuanto a la producción de innovaciones.
Los resultados para el caso de México sugieren que los princi-pales predictores de la productividad de los estados en la generación de patentes son la capacidad de absorción, la capacidad de difusión y la capacidad de creación de conocimiento de las entidades. También, los presupuestos locales destinados a las actividades de CTI tienen una
El segundo factor denominado capacidad de difusión del cono-cimiento fue medido por indicadores como el acceso a internet y las empresas ISO 9000 y constituye, de acuerdo con los resultados, un
importante predictor de los registros efectivos de patentes en los estados mexicanos.
Resulta muy interesante que las diferencias en cuanto a presupuesto local asignado a la CTI y el gasto público educativo per cápita no sean
factores determinantes en las diferencias significativas en el desempeño de los estados como generadores de patentes. Ello se debe a que éste se ha orientado en los últimos años a cumplir con objetivos de política ligados a resarcir las desigualdades en términos de desarrollo que se prestan entre las entidades del país: es decir, un mayor gasto se ha orientado a las enti-dades más atrasadas con el fin de sentar las bases de un desarrollo más equitativo (convergente) en términos territoriales y sociales. La capacidad de creación de conocimiento, concretada en las capacidades de I+D, juega
un papel importante como factor, sin embargo, tiene un menor peso. No obstante, de acuerdo con los resultados es necesario continuar con las políticas públicas que refuercen estas capacidades, en especial en lo refe-rente a los activos de infraestructura científica (centros de investigación),
capital humano con competencias en las actividades de I+D
(investiga-dores miembros del SNI), y un elevando el stock de conocimiento
(publi-caciones científicas locales).
Esta investigación puede ser una referencia muy particular para que futuras investigaciones puedan abordar y proponer nuevos marcos conceptuales para el estudio de las desigualdades regionales en la generación de innovaciones. Una de las limitaciones de este trabajo de investigación fue la poca disponibilidad y la dificultad en la
recopi-lación de datos para los indicadores de CTI de las entidades
federa-tivas de México, pues varios indicadores sobre capacidades de inno-vación no se pudieron aplicar, debido a la disponibilidad prácticamente nula de información estadística sobre recursos y capacidades para la ciencia y la tecnología sobre este rubro. Esto tiene como resultado un rezago en la investigación, al no poder abordarse diferentes temáticas y metodologías aplicadas actualmente en el análisis del potencial inno-vativo de los países y regiones; por ello, en México este tipo de análisis
se ha enfocado o limitado a la elaboración de rankings para las
Bibliografía
Abramovitz, Moses (1986), “Catching-up, forging ahead and falling behind”,
Journal of Economic History, 46 (2), pp. 385-406.
Abramovitz, Moses y Paul A. David (1996), “Convergence and deferred catch-up: productivity leadership and the waning of American exceptionalism”, en The mosaic of economic growth, Stanford University Press, Stanford, pp. 21-62.
Acs, J. Zoltan y David Audretsch (1989), “Patents as a measure of innovative
activity”, Kyklos, 42 (2), pp. 171-180.
Aregional (2010), Índice de Innovación Estatal (I2E) 2010, Serie: Innovación
Regional X (31).
Buesa, Mikel, Joost Heijs y Thomas Baumert (2010), “The determinants of regional innovation in Europe: A combined factorial and regression
knowledge production function approach”, Research Policy, 39 (6), pp.
722-733.
Buesa, Mikel, Mónica Martínez, Joost Heijs y Thomas Baumert (2002), “Los
sistemas regionales de innovación en España”, Economía Industrial, 347,
pp. 15-32.
Carayol, Nicolas (2004), “Academic Incentives and Research Organization for Patenting at a Large French University”, trabajo presentado en el Tercer
Taller EPIP, Pisa.
Castelllaci, Fulvio y José Miguel Natera (2012), “The dynamics of national innovation systems: A panel cointegration analysis of the coevolution
bet-ween innovative capability and absorptive capability”, Elsevier, 42 (3),
pp. 580-594.
Chandra, Vandana, Deniz Eröcal, Pier Carlo Padoan y Carlos A. Primo Braga
(2012), Innovación y crecimiento. En busca de una frontera en
movi-miento, OCDE, Banco Mundial y Foro Consultivo Científico y
Tecnoló-gico, México.
CIEP (Centro de Investigación Económica y Presupuestaria) (2010),
Distribu-ción y efectos del gasto público en la educaDistribu-ción en México.
Cohen, Wesley M. y Daniel Levinthal (1990), “Absorptive capacity: A new
perspective on learning and innovation”, Administration Science Quarter,
pp. 128-152.
CEC (Commission of the European Communities) (2001), Trendchart
Innova-tion Scoreboard 2001, CEC, Luxembourg.
CEC (Commission of the European Communities) (2002), “European
Innova-tion Scoreboard 2002”, Cordis Focus, 19, December, CEC, Luxembourg.
Conacyt (Consejo Nacional de Ciencia y Tecnología) (2011), Informe General
Coronado Guerrero, Daniel y Manuel Acosta Seró (1994), “La localización es-pacial de innovaciones tecnológicas. Factores determinantes y
consecuen-cias sobre el desarrollo regional”, Estudios Regionales, 38, pp. 159-174.
Edquist, Charles (1997), Systems of Innovation: Technologies, Institutions and
Organizations, London Pinter.
FCCyT (Foro Consultivo Científico y Tecnológico) (2010), Diagnósticos en
Ciencia, Tecnología e Innovación, FCCyT, México.
FCCyT (Foro Consultivo Científico y Tecnológico) (2012), Diagnósticos en
Ciencia, Tecnología e Innovación, FCCyT, México.
FCCyT (Foro Consultivo Científico y Tecnológico) (2014), Ranking Nacional
de Ciencia y Tecnología en México 2013, FCCyT, México.
Feldman, Maryann. P. y David B. Audretsch (1999), “Innovation in cities:
Science-based diversity, specialization and localized competition”,
Euro-pean economic review, 43 (2), pp. 409-429.
Fritsch, Michael (2002), “Measuring the quality of regional innovation
sys-tems: a knowledge production function approach”, International Regional
Science Review, 25 (1), pp. 86-101.
Furman, Jeffrey, Michael Porter y Scott Stern (2002), The determinants of
na-tional innovative capacity, Elsevier, pp. 899-933.
García Quevedo, José (2002), “Universidades e infraestructura tecnológica
en la localización de las innovaciones”, Economía Industrial, IV (346),
pp. 127-134.
Germán Soto, Vicente; Luis Gutiérrez Flores y Sandra Haydeé Tovar Montiel (2009), “Factores y relevancia geográfica del proceso de innovación
regio-nal en México, 1994-2006”, Estudios Económicos, pp. 225-248.
German Soto, Vicente y Luis Gutiérrez Flores (2015), “A Standardized Coe-fficients Model to Analyze the Regional Patents Activity: Evidence from
the Mexican States”, Journal of the Knowledge Economy, 6 (1), pp. 72-89.
Griliches, Zvi (1990), “Patent statistics as economic indicators: a survey” (No.
w3301), R&D and Productivity: The Econometric Evidence, National
Bu-reau of Economic Research.
Hall, Bronwyn, Adam B. Jaffe y Manuel Trajtenberg (2001), The NBER
pa-tent citation data file: Lessons, insights and methodological tools (No. w8498), National Bureau of Economic Research.
IMCO (Instituto Mexicano de la Competitividad) (2010), Índice de
Competitivi-dad Estatal 2010, La Caja Negra del Gasto Público, México.
IMCO (Instituto Mexicano de la Competitividad) (2010), Índice de
Competiti-vidad Estatal 2010. ¿Dónde quedó la bolita?, México.
INEGI (Instituto Nacional de Estadística y Geografía) (2010), Censo General
de Población y Vivienda, INEGI, México.
Lall, Sanjaya (1992), “Technological capabilities and industrialization”, World
Lan, Ju, Guoyue Xiong y Huan Li (2009), “Knowledge Diffusion Capability
Generation for Under-Developed Regions’ Economic Development”,
Ma-nagement and Service Science -MASS’09. International Conference, IEEE.
Li, Xibao (2009), “China’s regional innovation capacity in transition: An
em-pirical approach”, Research Policy, pp. 338-357.
Lundvall, Bengt-Åke (1992), National Systems of Innovation. Towards a
Theory of Innovation and Interactive Learning, London Pinter.
Miles, Nicolas, Charu Wilkinson, Jakob Edler, Mercedes Bleada, Paul
Sim-monds y John Clark (2009), The wider conditions for innovation in the
UK, NESTA, London.
Muller, Emmanuel, Arlette Jappe, Jean Alain Héraud y Andrea Zenker (2006), “A regional typology of innovation capacities in new member states and
candidate countries”, Bureau d’économie théorique et appliquée (BETA).
Nelson, Richard y Sydney G. Winter (1977), “In search of a useful theory
of innovation”, Innovation, Economic change and Technology Policies, 6
(1), pp. 215-245.
OCDE (Organización para la Cooperación y el Desarrollo Económicos) (2009),
Manual de estadísticas de patentes de la OCDE, Organización para la Coo-peración y el Desarrollo Económicos, Paris.
Pavitt, Keith (1985), “Patent statistics as indicators of innovative activities:
possibilities and problems”, Scientometrics, 7 (1), pp. 77-99.
Piergiovanni, Roberta y Enrico Santarelli (2001), “Patents and the geographic
localization of R&D spillovers in French manufacturing”, Regional
Stu-dies, 35 (8), pp. 697-702.
Radosevic, Slavo (2004), “A Two-tier or Multi-tier Europe? Assesing the Inno-vation Capacities of Central and East European Countries in the Enlaged
EU. JCMS”, Journal of Common Market Studies, pp. 641-666.
Riddel, Mary y Keith Schwer (2003), “Regional innovative capacity with
en-dogenous employment: empirical evidence from the US”, The Review of
Regional Studies, 33 (1), pp. 73-84.
Ruiz Durán, Clemente (2008), “México: geografía económica de la
innova-ción”, Comercio Exterior, 58 (11), pp. 756-768.
Sánchez Tovar, Yesenia, Francisco García Fernández y Esteban Mendoza Flores (2014), “Determinantes de la capacidad de innovación regional en México:
una tipología de las regiones”, Región y sociedad, 26 (61), pp. 118-158.
Valdez-Lafarga, Cuitláhuac y Jorge Inés León Balderrama (2015), “Hacia una
taxonomía de los sistemas regionales de innovación en México”,
Econo-mía, Sociedad y Territorio, 15 (48), pp. 517-553.
Verspagen, Bart (2007), “Mapping technological trajectories as patent citation
networks: A study on the history of fuel cell research”, Advances in
Com-plex Systems, 10 (01), pp. 93-115.
Zahra, Shaker A. y Gerard George (2002), “Absorptive capacity: a review,
